平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“Windows11下Ollama部署Qwen2.5大模型的实践指南”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际采用顺序，把思路、关键写法和容易踩坑的地方讲清楚，便于大家直接对照操作。
0、前言
落到代码里，本文旨在记录 Windows 11 本地环境下，借助 Ollama 部署 Qwen2.5 大模型，同时实现 API 调用。无需显卡也能跑”、能够确保“隐私安全”。
能够在在安装和部署中了解与学习以下内容：
Ollama的作用和安装采用；Modelfile的作用和设置；ModelScope的作用；Notebook的作用；- 上述内容怎样结合采用实现部署大模型，部署成功后怎样借助API访问。
1、环境与准备
- Win11：Windows 11 专业版25H2
- CPU：Intel(R) Core(TM) i7-8750H CPU @ 2.20GHz (2.21 GHz)
- 内存：16.0 GB
- 显卡：GTX1050Ti（很鸡肋，笔者在实践过程中，暂时没用到显卡）
- Ollama： 0.17.7
- 大模型：
- qwen2.5-3b-instruct-q4_k_m
- qwen2.5-7b-instruct-q4_k_m
前置依赖检查
PowerShell(Win11 自带)Git(可选，用来下载)Python(仅用来ModelScope CLI，若只用浏览器下载可不装)
2、核心概念速览
2.1、模型文件名qwen2.5-3b-instruct-q4_k_m.gguf的含义？
文件名通常长这样：qwen2.5-3b-instruct-q4_k_m.gguf。
instruct 表示这是经过指令微调的版本，适合对话；如果是 base 版本，则适合做续写或二次微调，不适合直接对话。
1） q + 数字：代表每个参数用多少 bit 存储。
- 数字越小 = 文件越小 = 速度越快 = 稍微变笨一点。
- 数字越大 = 文件越大 = 速度越慢 = 越聪明。
- 标准：目前业界公认 4-bit (
q4) 是性价比最高的，智商损失微乎其微，但体积减半。
2）k：代表采用了 K-quants 量化技术（一种更先进的压缩算法，比老式的 q4_0 更聪明）。
3）m / s / l：代表 Small (小), Medium (中), Large (大)。
q4_k_s：更小一点，稍微笨一点点。q4_k_m：标准版，平衡最好（首选）。q4_k_l：更大一点，稍微聪明一点点（但显存占用也高）。
2.2、Modelfile 的基本结构及含义
FROM
SYSTEM
PARAMETER
TEMPLATE
ADAPTER
PROJECTOR
MESSAGE
LICENSE
含义解释：
FROM: 指定基础模型（必选）。
SYSTEM: 设置系统提示词（定义人设）。
PARAMETER: 设置推理参数（如温度、上下文长度）。
TEMPLATE : 定义对话模板格式。
ADAPTER: 加载 LoRA 适配器文件（用于微调模型）。
PROJECTOR: 加载多模态投影器（用于让模型看懂图片）。
MESSAGE: 预设对话示例（Few-shot prompting）。
LICENSE: 声明模型的许可证信息。
一般用到的是：
FROM llama3 # 1. 选基座
SYSTEM "你是个诗人" # 2. 定人设
PARAMETER temperature 0.8 # 3. 调参数
2.3、Notebook是什么
实际处理时，虽然本文主要讲本地部署，但如果本地资源不足（如显存不够），能够采用 ModelScope Notebook 在云端免费体验大模型，无需本地硬件。
ModelScope Notebook 是一款云端机器学习开发IDE工具，提供交互式编程环境，为用户提供了开箱可用的限时免费算力额度，实现ModelScope模型开发环境与CPU/GPU等多样化计算资源的无缝连接。
2.4、运行大模型的通俗理解
把运行大模型想象成“搬家”。
- 量化等级（Quantization）= 家具的打包压缩程度
- 推理框架 = 运输工具的选择
- 上下文长度（Context Length）= 这次要搬多少东西（记忆量）
3、实战部署：安装与运行
3.1、安装 Ollama
Ollama 是一个开源的、专为本地运行大型语言模型（LLM）设计的工具平台，就像是“大模型的 Docker”。
官网下载后安装：
# 查看版本号
ollama -v
ollama version is 0.17.7
3.2、方式一：一键拉取（官方建议），Ollama界面/命令行拉取
借助Ollama拉去的镜像不用新建下面的Modelfile。
# 下载并运行模型
ollama run qwen2.5:3b
3.3、方式二：自定义导入 (进阶)，下载gguf文件自行设置
1）从ModelScope下载gguf文件
借助modelscope来进行浏览器下载模型，用Qwen2.5-3B-Instruct-GGUF演示（实际上我部署的就是这个）。
进入模型文件页，找到类似 qwen2.5-3b-instruct-q4_k_m.gguf 的文件，下载该文件。
2）编写Modelfile文件
Modelfile是Ollama用来实现大模型推理的自定义参数文件，类似于Dockerfile。
理解这一步时，若你只是轻松对话，Ollama 官方库里的默认模板通常已经适配好了 Qwen 系列，手动指定 TEMPLATE 仅在需特殊对话格式或微调时才必要。具体能够见文末【4.3、Modelfile 的基本结构及含义】
新建文件，命名为Modelfile，内容如下所示：
FROM "G:\AI\Modelfiles\qwen2.5-3b\qwen2.5-3b-instruct-q4_k_m.gguf"
TEMPLATE """{{- if .Messages }}
{{- range $i, $_ := .Messages }}
{{- $last := eq (len (slice $.Messages $i)) 1 }}
{{- if eq .Role "user" }}<|im_start|>user
{{ .Content }}<|im_end|>
{{ else if eq .Role "assistant" }}<|im_start|>assistant
{{ .Content }}<|im_end|>
{{ else if eq .Role "system" }}<|im_start|>system
{{ .Content }}<|im_end|>
{{ end }}
{{- if $last }}<|im_start|>assistant
{{ end }}
{{- end }}
{{- else }}
{{- if .System }}<|im_start|>system
{{ .System }}<|im_end|>
{{ end }}{{ if .Prompt }}<|im_start|>user
{{ .Prompt }}<|im_end|>
{{ end }}<|im_start|>assistant
{{ end }}"""
PARAMETER stop <|im_end|>
PARAMETER stop <|im_start|>
PARAMETER temperature 0.7
PARAMETER top_p 0.8
PARAMETER top_k 20
PARAMETER repeat_penalty 1.05
LICENSE """https://huggingface.co/Qwen/Qwen2.5-3B-Instruct/blob/main/LICENSE"""
最轻松版（自问自答几乎没法用）
FROM "F:\\Downloads\qwen2.5-3b-instruct-q4_k_m.gguf"
3）新建模型
打开Powershell，找到刚才的Modelfile文件的路径，执行以下命令：
# 把 GGUF 文件打包成 Ollama 模型
ollama create qwen2.5:3b -f Modelfile
# 或者用绝对路径
ollama create qwen2.5:3b -f G:\AI\Modelfiles\qwen2.5-3b\Modelfile
4）运行模型
Ollama 默认会自动检测并采用GPU。Ollama 为了优化资源，默认会在 5 分钟 无活动后卸载模型；当再次发起请求时，如果模型已卸载，Ollama 会重新加载实际处理时，该模型到显存/内存中，随后处理请求。这会导致首次请求有额外的延迟（加载时间）。
ollama run qwen2.5:3b
查看大模型状态：
SIZE： 占用内存大小PROCESSOR：100% CPU: 表示模型完全在中央处理器上运行，没有采用显卡（GPU）加速。我的显卡的显存只有4GB。CONTEXT：上下文窗口大小。当前会话保留的“记忆”长度（Token 数量）。这个数字越大，占用的内存也越大。UNTIL(自动卸载倒计时)：表示如果下面没有任何人采用该模型，Ollama 将在 2 分钟后 自动把它从内存中卸载，以释放资源。
5）示例：Qwen2.5-7B的设置
文件名：qwen2.5-7b-instruct-q4_k_m.gguf
FROM ./qwen2.5-7b-instruct-q4_k_m.gguf
TEMPLATE """{{- if .System }}
<|im_start|>system
{{ .System }}<|im_end|>
{{- end }}
<|im_start|>user
{{ .Prompt }}<|im_end|>
<|im_start|>assistant
"""
PARAMETER stop <|im_end|>
PARAMETER stop <|im_start|>
PARAMETER temperature 0.7
PARAMETER top_p 0.8
PARAMETER top_k 20
SYSTEM "你是一个有帮助的AI助手。"
4、借助API访问大模型
4.1、启动服务
# 运行命令查看端口
ollama serve
# 返回信息：Error: listen tcp 127.0.0.1:11434: bind: Only one usage of each socket address (protocol/network address/port) is normally permitted.
默认 Ollama 只接受本机连接，拒绝局域网 IP（192.168.x.x），需让 Ollama 暴露在网络上，Windows环境下按照下图设置即可。
4.2、Powershell中测试接口
# Windows Powershell
curl http://192.168.2.111:11434/api/generate -d "{\"model\": \"qwen2.5:3b\", \"prompt\": \"hello\"}"
curl http://192.168.31.87:11434/api/tags
4.3、后台方式运行技巧
Start-Process ollama -ArgumentList "run","qwen2.5:3b" -WindowStyle Hidden
5、常用命令速查表
Ollama相关文档
# 查看帮助
ollama -h
# 查看本地已下载的模型
ollama list
# 下载并运行模型
ollama run qwen2.5:3b
# ollama run <模型名> <提示词>，单次问答
ollama run qwen2.5:3b "你好，请介绍一下你自己"
# 删除模型
ollama rm <模型名>
# 启动后台服务
ollama serve
# 查看模型详情
ollama show <模型名>
# 查看正在运行的模型
ollama ps
ollama stop qwen2.5:3b
6、附录与参考资料
ModelScope Pip 安装详解
# 安装python
python -V
Python 3.11.9
# 安装魔搭
pip install modelscope
# 下载完整模型库
modelscope download --model Qwen/Qwen2.5-3B-Instruct-GGUF
# 下载单个文件到指定本地文件夹（以下载README.md到当前路径下“dir”目录为例）
modelscope download --model Qwen/Qwen2.5-3B-Instruct-GGUF README.md --local_dir ./dir
在这个场景下，以上就是Windows11下Ollama部署Qwen2.5大模型的实战指南的详细内容，更多关于Ollama部署Qwen2.5的资料请关注脚本之家其它相关文章！
